MétaCan
Menu
Retour à la cohorte
Enregistrement W3177380806 · doi:10.48297/rtt.v1i128.536

La asignación de los derechos de gravamen en los modelos de negocios altamente digitalizados: en busca de una solución justa y neutral

2020· article· es· W3177380806 sur OpenAlexaboutno aff
José Ángel Gómez Requena

Notice bibliographique

RevueRevista Técnica Tributaria · 2020
Typearticle
Languees
DomaineEnvironmental Science
ThématiqueFinance, Taxation, and Governance
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésHumanitiesPolitical sciencePhilosophy

Résumé

récupéré en direct d'OpenAlex

El objeto de este artículo es analizar el impacto de los modelos de negocio altamente digitalizados en el reparto de los derechos de gravamen. El reto abarca introducir nuevas reglas del nexo y de reasignación de los beneficios, que requiere de una modificación para autorizar a los estados de la fuente/mercado y así cumplir con el mandato post-BEPS de tributar en el territorio donde se ha generado el valor. Los modelos de negocio altamente digitalizados se aprovechan de los datos y contenidos generados por los usuarios para crear valor y obtener beneficios. En opinión del autor, la solución a este problema debe respetar las condiciones establecidas en el acuerdo marco de Ottawa de la OCDE para la tributación del comercio electrónico y especialmente lo establecido en el mismo respecto a la neutralidad y justicia fiscal. Dada la dificultad que supone implantar un nuevo concepto de establecimiento permanente virtual a corto o medio plazo, el autor propone tres alternativas que respectan la neutralidad y justicia fiscal, atribuyendo a las jurisdicciones de mercado el derecho a gravar: 1) Creando un nuevo tipo de ingreso en base al artículo de los servicios e publicidad de los Convenios. 2) Haciendo una interpretación expansiva del concepto de cánones en el que se incluya como tales los servicios prestados en la nube. 3) Mediante un nuevo método de distribución del resultado residual que tenga en cuenta factores tanto del lado de la oferta como de la demanda.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,455
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0020,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,010
Tête enseignante GPT0,261
Écart entre enseignants0,251 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRevista Técnica TributariaMême sujetFinance, Taxation, and GovernanceTravaux en français237 207